近年來由于腦科學與人工智能技術(shù)的迅猛發(fā)展,腦機接口技術(shù)得到了長足的進步和飛速的發(fā)展,已逐漸成為當前神經(jīng)工程領(lǐng)域中*活躍的研究方向之一,在生物醫(yī)學、神經(jīng)康復和智能機器人等領(lǐng)域具有重要的研究意義和巨大的應(yīng)用潛力,應(yīng)用領(lǐng)域也在逐漸擴大。本書從電路和系統(tǒng)層面,介紹了實現(xiàn)腦機接口集成電路的若干關(guān)鍵核心技術(shù)。在電路層面,作者介紹了具有電容反饋低噪聲放大器和電容衰減帶通濾波器的低功率神經(jīng)信號調(diào)節(jié)系統(tǒng),以及幾種分別基于電壓域、電流域和時間域等方法實現(xiàn)的A/D轉(zhuǎn)換器,并從電路架構(gòu)層次評估了如何在噪聲、速度和功耗之間進行折衷。在系統(tǒng)層面,作者介紹了基于非線性能量算子尖峰探測和基于核函數(shù)的多類支持向量機分類的128通道可編程神經(jīng)尖峰信號分類器。另外,還提出了在神經(jīng)接口設(shè)計中應(yīng)對工藝偏差的多變量優(yōu)化方法。
譯者序
作者簡介
縮略語表
物理量符號表
第1章引言
1.1腦機接口:電路與系統(tǒng)
1.2當前設(shè)計實踐的述評
1.3研究意義
1.4本書章節(jié)安排
參考文獻
第2章神經(jīng)信號調(diào)理電路
2.1概述
2.2高能效神經(jīng)信號調(diào)理電路
2.3運算放大器
2.4實驗結(jié)果
2.5結(jié)論
參考文獻
第3章神經(jīng)信號量化電路
3.1概述
3.2低功耗ADC結(jié)構(gòu)
3.3ADC構(gòu)建模塊
3.3.1 采樣保持電路
3.3.2 自舉開關(guān)電路
3.3.3 運算放大器電路
3.3.4 鎖存比較器電路
3.4電壓域SAR A/D轉(zhuǎn)換
3.5電流域SAR A/D轉(zhuǎn)換
3.6時域兩級A/D轉(zhuǎn)換
3.7實驗結(jié)果
3.8結(jié)論
參考文獻
第4章神經(jīng)信號分類電路
4.1概述
4.2神經(jīng)尖峰信號探測器
4.3神經(jīng)尖峰信號分類器
4.4實驗結(jié)果
4.5結(jié)論
參考文獻
第5章腦機接口:系統(tǒng)優(yōu)化
5.1概述
5.2電路參數(shù)的理論公式
5.2.1隨機工藝偏差
5.2.2神經(jīng)記錄接口的噪聲
5.3用于工藝偏差分析的隨機MNA
5.4用于噪聲分析的隨機MNA
5.5多通道神經(jīng)記錄界面的單位面積功耗優(yōu)化
5.5.1功耗優(yōu)化
5.5.2單位面積功耗優(yōu)化
5.6實驗結(jié)果
5.7結(jié)論
參考文獻
第6章 結(jié)語
6.1 實驗結(jié)果總結(jié)
6.2 展望
附錄
A.1 功率-噪聲放大器折中
A.2 信號調(diào)理電路功率
A.3 信號量化電路功率
A.4 可編程增益SAR ADC的噪聲分析
B.1 MOS晶體管模型不確定性
B.2 電阻和電容模型不確定性
B.3 時域分析
B.4 參數(shù)提取
B.5 性能函數(shù)糾正
B.6 樣本大小的確定
B.7 頻域分析法
參考文獻